HDU 2222 Keywords Search(AC自动机)

请不要随便指点别人该怎么做、每个人的人生都应该自己掌握、你给不了别人一切、你也不懂别人的忧伤、

                                                                                          微笑不代表快乐、哭泣不一定悲伤

               不努力怎么让关心你的人幸福、不努力怎么让看不起你的人绝望、

                                                                                                                                    

                                                                                                                                                              我用生命在奋斗——lx_Zz

—————————————————————————————————————————————————————————————

—————————————————————————    华丽的分割线    ————————————————————————————

—————————————————————————————————————————————————————————————

AC自动机模板题、注意单词可以重复统计、思路倒是挺简单的、和KMP本质是一样、都是利用已有信息避免重复计算、


/* 题目: HDU 2222          */
/* 作者: lx_Zz             */
/* 时间: 2014.5.6          */
#include<cstdio>
#include<queue>
#include<vector>
#include<map>
#include<string>
#include<iostream>
#include<cmath>
#include<cstdlib>
#include<cstring>
#include<algorithm>
using namespace std;
#define INF 0x7fffffff
#define LL __int64
const int maxn=500005;
int head,tail;
char str[1000005];
struct node
{
	node *fail;//失败指针
	node *next[26];//每个节点的子节点
	int count;//是否为该单词的最后一个节点
	node()//构造函数初始化
	{
		fail=NULL;
		count=0;
		memset(next,NULL,sizeof(next));
	}
}*q[maxn];

void insert(node *root)//构建trie树
{
	node *p=root;
	int i=0,index;
	while(str[i])
	{
		index=str[i]-'a';
		if(p->next[index]==NULL)p->next[index]=new node();
		p=p->next[index];
		i++;
	}
	p->count++;
}

void ACAutomaton(node *root)//构造AC自动机
{
	root->fail=NULL;
	q[head++]=root;
	while(head!=tail)//bfs遍历出fail指针
	{
		node *temp=q[tail++];
		node *p=NULL;
		for(int i=0;i<26;i++)
		{
			if(temp->next[i]!=NULL)
			{
				if(temp==root)temp->next[i]->fail=root;
				else
				{
					p=temp->fail;
					while(p!=NULL)
					{
						if(p->next[i]!=NULL)
						{
							temp->next[i]->fail=p->next[i];
							break;
						}
						p=p->fail;
					}
					if(p==NULL)temp->next[i]->fail=root;
				}
				q[head++]=temp->next[i];
			}
		}
	}
}

int query(node *root)
{
	int i=0,cnt=0,index;
	node *p=root;
	while(str[i])
	{
		index=str[i]-'a';
		while(p->next[index]==NULL&&p!=root)p=p->fail;//如果不匹配、跳转到fail指针
		p=p->next[index];
		if(p==NULL)
		{
			p=root;
		}
		node *temp=p;
		while(temp!=root&&temp->count!=0)
		{
			cnt+=temp->count;
			temp->count=0;
			temp=temp->fail;
		}
		i++;
	}
	return cnt;
}
int main()
{
    //freopen("C:\\Users\\终将我要华丽的逆袭\\Desktop\\lx_Zz_in.txt","r",stdin);
    //freopen("C:\\Users\\终将我要华丽的逆袭\\Desktop\\lx_Zz_out.txt","w",stdout);
	int T,n;
	scanf("%d",&T);
	while(T--)
	{
		head=tail=0;
		node *root=new node();
		scanf("%d",&n);
		for(int i=1;i<=n;i++)
		{
			scanf("%s",str);
			insert(root);
		}
		ACAutomaton(root);
		scanf("%s",str);
		printf("%d\n",query(root));
	}
    return 0;
}


深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

N诺计算机考研

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值